Numpy 重塑4D/5D阵列的技巧或模式（从视频到帧）

我发现在numpy/pytorch中重塑4D 5D阵列非常困难。（我假设两者都以相似的模式重塑，我目前正在使用pytorch！）

假设我有维度为[N x C x D x H x W]的视频

（num视频x频道视频x帧视频x高度视频x宽度视频）

假设我想将视频重塑为[nxcxhxw]帧，我应该如何进行重塑

简单地应用

x=x.reformate（N*D，C，H，W）

实际上不起作用，它给出了错误的元素顺序

你能帮助我如何做到这一点，以及你所使用的模式的任何细微的直觉吗

在旁注中，如果我有一个视频（即假设1x3x100x256i使用：

以下代码方法：

x=x.squence（0）.T.restrape（（100,3256256））[：，：，None，：，：]

它可以工作

太好了。无法计算超过1个视频

谢谢

根据要求：

input = np.random.randn(N,C,D,H,W)
output = np.zeros((N*D,C,H,W))

根据请求，使用基于for循环的代码来显示我想要的内容

对于范围（N）内的h：
对于范围（D）中的i：
对于范围（C）内的j：
对于范围（H）内的k：
对于范围（W）中的l：
输出[h*D+i，j，k，l]=输入[h，j，i，k，l]

只需交换第二个和第三个轴，然后将新的第二个轴（旧的第三个轴）与第一个轴合并并进行重塑-

output = input_array.swapaxes(1,2).reshape(N*D,C,H,W)

我们还可以使用

transpose

：

input\u array.transpose（0,2,1,3,4）

获得相同的交换轴效果

---

对于一般直观的方法，请参考。

您能显示一个工作循环代码吗？可能使用

x.squence（0）.T.reformate（（100,3256256））[：，：，None，：，：]

存储到输出数组中？啊，你的意思是通过for loops重塑？是的，一个使用循环的工作解决方案代码，只是为了让我们有一个参考来使用。@Divakar在这里：），在索引方面可能有点不正确，将进行检查，但在这种操作5D到4D中，你会得到我想要的结果，重塑我应该排列轴，使它们相邻，然后重塑？我也想过，但我只是不直观地得到它，就像需要检查虚拟值。任何你知道的有帮助的东西，或任何直觉或一些参考（对于高维数组操作）看起来史诗般的东西！谢谢，正是我想要的：）